CN113706538A - 确定肾细胞癌级别的系统及其应用 - Google Patents

确定肾细胞癌级别的系统及其应用 Download PDF

Info

Publication number
CN113706538A
CN113706538A CN202111266829.2A CN202111266829A CN113706538A CN 113706538 A CN113706538 A CN 113706538A CN 202111266829 A CN202111266829 A CN 202111266829A CN 113706538 A CN113706538 A CN 113706538A
Authority
CN
China
Prior art keywords
renal
roi
cell carcinoma
grade
determining
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111266829.2A
Other languages
English (en)
Inventor
张晓霄
张古沐阳
许梨梨
白鑫
张家慧
陈丽
陆晓梅
于胜会
金征宇
孙昊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Peking Union Medical College Hospital Chinese Academy of Medical Sciences
Original Assignee
Peking Union Medical College Hospital Chinese Academy of Medical Sciences
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Peking Union Medical College Hospital Chinese Academy of Medical Sciences filed Critical Peking Union Medical College Hospital Chinese Academy of Medical Sciences
Priority to CN202111266829.2A priority Critical patent/CN113706538A/zh
Publication of CN113706538A publication Critical patent/CN113706538A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30084—Kidney; Renal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30096—Tumor; Lesion

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biophysics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Optics & Photonics (AREA)
  • Pathology (AREA)
  • General Physics & Mathematics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Quality & Reliability (AREA)
  • Pulmonology (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明属于生物医学领域，具体涉及确定肾细胞癌级别的系统及其应用。本发明提供了一种确定肾细胞癌级别的系统，所述系统包括根据前述肿瘤最大横径和/或肾显影期标准化碘浓度的检测结果确定肾细胞癌级别的计算装置；具体地，所述肾细胞癌级别分为高级、低级；所述高级是WHO/ISUP分级中的3、4级，所述低级是WHO/ISUP分级中的1、2级。

Description

确定肾细胞癌级别的系统及其应用
技术领域
本发明属于生物医学领域，具体涉及确定肾细胞癌级别的系统及其应用。
背景技术
肾细胞癌是成年人最常见的肾脏恶性肿瘤，可分为多种不同的组织学类型，主要包括透明细胞肾细胞癌（ccRCC）、乳头状肾细胞癌（pRCC）和嫌色细胞癌（chRCC）。透明细胞肾细胞癌是这三种病理亚型中预后最差的恶性肿瘤，据报道，其5年无进展生存率为70%，与乳头状肾细胞癌和嫌色细胞癌相比具有更高的转移风险。
透明细胞肾细胞癌的预后与组织学亚型和肿瘤分级有关，这是最强的预后因素。2016年之前，世界上最广泛接受的透明细胞肾细胞癌分级系统是Fuhrman系统，该系统通过同时评估细胞核大小、细胞核不规则程度和核仁突出程度对肿瘤进行分级。然而，Fuhrman系统在临床应用中出现了越来越多的问题，包括三个水平分级特征之间的混淆以及观察者之间的一致性和可重复性差。因此，世界卫生组织/国际泌尿病理学会（WHO/ISUP）于2016年提出了一种新的WHO/ISUP系统，用于基于核仁的肾癌分级。WHO/ISUP系统在透明细胞肾细胞癌分级方面优于Fuhrman系统，因为它不受Fuhrman分级系统固有的分级特征冲突问题的困扰。目前，WHO/ISUP正在临床实践中逐步取代Furman分级系统。一些研究认为，该分级系统是肾透明细胞癌最重要的预后指标，近年来被广泛用于指导临床治疗策略。研究表明，WHO/ISUP分级可以简化，1/2级可以被视为低级别，3/4级可以被视为高级别，两者之间的预后存在差异。尽管目前透明细胞肾细胞癌的分类仍以手术切除或活检病理为金标准，但也有影像学、微血管密度和其他非侵入性方法可以评估肿瘤分级和预测预后。
发明内容
随着双能CT的发展，双能CT的定量测量在肾透明细胞癌组织学分级研究中具有巨大潜力。本文的目的是探讨双能CT是否能够无创地区分透明细胞肾细胞癌的WHO/ISUP分级，帮助医生选择后续治疗方案。
ROI绘制方法
一方面，本发明提供了一种在医疗图像上绘制ROI的方法，所述方法包括以下三种方法中的一种：
1）在肿瘤中的实性成分中绘制2-4个圆形ROI，避免坏死和钙化成分，其面积在50mm2至100mm2之间；
2）沿着肿瘤中实性成分的内边缘绘制，避免坏死和钙化成分；
3）沿着最大肿瘤界面的内边缘绘制，不避免坏死和钙化成分。
优选地，所述医疗图像是来源于CT检测的图像。
优选地，所述CT是双能CT。
本发明所述的“圆形”包括正圆和椭圆。
更优选地，所述医疗图像是来源于双能CT检查中的肾显影期图像。
本发明所述“ROI”又可以称为“感兴趣区域”，在医学影像学、放射学上，为了对所述感兴趣区域进行跟踪，以获取目标特征，通常通过特定的软件在医学影像中绘制出ROI。换句话说，感兴趣区域ROI是从医学影像中选择的一个图像区域，这个区域是图像分析关注的重点。所以，本发明所述“绘制ROI的方法”也可以称为“医疗影像处理方法”。
诊断指标的提取方法
另一方面，本发明提供了一种提取用于确定肾细胞癌级别的指标的提取方法，所述方法包括以下步骤：
1）获得双能CT的肾实质期图像；
2）使用前述ROI绘制方法画出ROI；
3）测量ROI区域内的标准化碘浓度（NIC），所述标准化碘浓度的计算公式是NIC-N（肾实质期的标准化碘浓度）=肾实质期肿瘤的碘浓度/肾实质期主动脉的碘浓度。
本发明所述“NIC-N”是指根据肾实质期图像计算的标准化碘浓度，“NIC-N-1”、“NIC-N-2”、“NIC-N-3”分别指前述ROI绘制方法中1）2）3）方法绘制ROI后测量的计算的标准化碘浓度，其中“NIC-N-1”在计算时，每个ROI分别计算标准化碘浓度，最后取平均值为结果。
本发明所述“肾实质期”也就是Nephrographic phase，也可翻译为肾显影期。
优选地，所述肾实质期主动脉的IC是在主动脉ROI中计算得到的。主动脉ROI的描绘方法是：将面积约为80-100mm2的圆形ROI放置在肾门水平的主动脉上，避免钙化成分，三次测量后获得平均值。
优选地，所述用于确定肾细胞癌级别的指标还包括肿瘤最大横径（maximumtransverse diameter of tumors，TD）。
优选地，所述肿瘤最大横径是通过CT检测到的；优选地，是通过双能CT检测到的；优选地，在双能CT肾实质期图像上测量得到的。
优选地，所述肾细胞癌级别分为高级、低级；所述高级是WHO/ISUP分级中的3、4级，所述低级是WHO/ISUP分级中的1、2级。
优选地，所述肾细胞癌是透明细胞肾细胞癌。
优选地，所述用于确定肾细胞癌级别的指标还包括肿瘤最大横径。
指标组合
另一方面，本发明提供了一种指标组合，所述指标组合中包括肿瘤最大横径和肾实质期标准化碘浓度（NIC-N）。
优选地，所述NIC-N包括NIC-N-1、NIC-N-2、NIC-N-3，也就是包括在前述任意一种ROI绘制方法下测量得到的肾实质期标准化碘浓度。
优选地，所述肿瘤最大横径、NIC-N是通过CT检查得到的。
优选地，所述CT是双能CT。
优选地，所述指标中还可以包括其他放射学指标。
ROI绘制系统
另一方面，本发明提供了一种在医疗影像上绘制ROI的系统，所述系统包括以下一种或多种装置：
1）医疗影像获取装置；
2）ROI绘制装置；
3）显示ROI装置。
优选地，所述医疗影像来源于CT检查；更优选地，来源于双能CT检查；更优选地，是双能CT检查中的肾实质期图像。
优选地，所述ROI绘制的方法选自以下任意一种：
1）在肿瘤中的实性成分中绘制2-4个圆形ROI，避免坏死和钙化成分，其面积在50mm2至100mm2之间；
2）沿着肿瘤中实性成分的内边缘绘制，避免坏死和钙化成分；
3）沿着最大肿瘤界面的内边缘绘制，不避免坏死和钙化成分。
ROI绘制设备
另一方面，本发明提供了一种在医疗影像上绘制ROI的设备，所述设备包括：存储器和处理器；
所述存储器用于存储程序指令；
所述处理器用于调用程序指令，当程序指令被执行时，用于执行以下操作：
1）获得医疗影像；
2）使用前述任一ROI绘制方法画出ROI；
3）显示ROI图像。
优选地，所述医疗影像来源于CT检查；更优选地，来源于双能CT检查；更优选地，是双能CT检查中的肾实质期图像。
确定肾细胞癌级别的系统
另一方面，本发明提供了一种确定肾透明细胞癌级别的系统，所述系统包括根据前述肿瘤最大横径和/或肾实质期标准化碘浓度的检测结果确定肾透明细胞癌级别的计算装置；
优选地，所述肾实质期标准化碘浓度包括在前述ROI绘制方法中任意一种中测量得到的肾实质期标准化碘浓度。
优选地，所述系统包括用于输入患者信息的患者信息收集装置。
优选地，所述系统包括前述医疗影像上绘制ROI的设备。
优选地，所述系统还可以包括用于输出分级结果的输出装置。
优选地，所述系统还包括分级结果发送装置，所述分级结果发送装置可以将分级结果发送到患者或医护人员可以查阅的信息通信终端装置。
优选地，所述肾细胞癌包括透明细胞肾细胞癌（ccRCC）、乳头状肾细胞癌（pRCC）和嫌色细胞癌（chRCC）。
优选地，所述肾细胞癌是透明细胞肾细胞癌。
本发明所述“透明细胞肾细胞癌”“肾透明细胞癌”“透明细胞型肾癌”皆为相同含义，可互换使用，都是指来源于肾小管上皮细胞的肾癌，是最常见的肾癌亚型。
确定肾透明细胞癌级别的设备
另一方面，本发明提供了一种确定肾透明细胞癌级别的设备，所述设备包括：存储器和处理器；
所述存储器用于存储程序指令；
所述处理器用于调用程序指令，当程序指令被执行时，用于执行以下操作：
1）获得双能CT的肾实质期图像；
2）使用前述ROI绘制方法画出ROI；
3）测量ROI区域内的标准化碘浓度（NIC），所述标准化碘浓度的计算公式是NIC-N=肾实质期肿瘤的IC/肾实质期主动脉的IC。
计算机可读存储介质
另一方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现前述ROI绘制方法中至少一种和/或诊断指标的提取方法、或确定肾透明细胞癌级别的方法。
应用
另一方面，本发明提供了TD、NIC-N、前述ROI绘制系统、前述ROI绘制设备、前述确定肾透明细胞癌级别的系统、前述确定肾透明细胞癌级别的设备、前述计算机可读存储介质在制备确定肾透明细胞癌级别的产品中的应用。
分级方法
另一方面，本发明提供了一种确定肾透明细胞癌级别的方法，所述方法包括根据前述肿瘤最大横径和/或肾实质期标准化碘浓度的检测结果确定肾透明细胞癌级别的步骤。
优选地，所述肿瘤最大横径（TD）和/或肾实质期标准化碘浓度是使用前述提取用于确定肾细胞癌级别的指标的提取方法提取的。
优选地，所述方法还可以与其他影像学方法联合使用。
优选地，所述其他影像学方法包括磁共振成像（MRI）、内镜逆行胰胆管造影术（ERCP）、磁共振胰胆管造影术（MRCP）或超声波法。
优选地，所述肾细胞癌是透明细胞肾细胞癌。
附图说明
图1为正常混合能级图像、碘图、原子序数图和虚拟单能图像。
图2为三种绘制ROI的方法示意图，A：第一种方法，B：第二种方法，C：第三种方法。
图3为肿瘤最大横径、三种肾实质期标准化碘浓度单独分级时的ROC曲线图。
图4为肿瘤最大横径和三种肾实质期标准化碘浓度联合分级时的ROC曲线图。
具体实施方式
下面结合实施例对本发明做进一步的说明，以下所述，仅是对本发明的较佳实施例而已，并非对本发明做其他形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更为同等变化的等效实施例。凡是未脱离本发明方案内容，依据本发明的技术实质对以下实施例所做的任何简单修改或等同变化，均落在本发明的保护范围内。
实验对象
选择2017年10月至2020年12月在我院因临床怀疑肾肿块而接受双能CT尿路成像（DL-CTU）检查的患者。纳入标准为：1）术前CTU检查日期和手术日期均不超过3个月；2）有完整的四期扫描的图像和手术切除的病理结果。排除标准为：1）CT数据不完整，2）术前接受了化疗、放疗、免疫或其他治疗。本研究是回顾性的，获得了机构审查委员会的批准。
2017年10月至2020年12月共收治175例在影像学上报告可疑的肾恶性病变患者，50例患者经手术证实为ccRCC并进行了WHO/ISUP病理分级。其中30名患者为低WHO/ISUP等级，20名患者为高WHO/ISUP等级。50例患者的平均年龄55.40 ± 11. 49岁（范围：27-77岁），有37名男性（54.64±11.57岁；年龄范围：27-77岁）和13名女性（57.35±11.37岁；年龄范围：40-76岁）。
实施例1、CT图像处理分析及结果验证
实验方法
1、图像采集与重建
所有检查均在双能CT（DL-CT）（飞利浦，IQon spectral CT）系统上进行。扫描覆盖了整个腹部和骨盆。获得以下四期图像：平扫CT（true non-enhanced）、皮质髓质期（corticomedullary phase，也即动脉期）、肾实质期（nephrographic phase，也即静脉期）和排泄期（excretory phase，延迟期）。所有检查均在120 kV管电位和×0. 625毫米探测器配置下进行。管电流在检查中自动调节。在进行增强检查时，通过智能跟踪检测腹主动脉。当主动脉密度达到阈值时，扫描自动触发。大约70秒后开始肾实质期扫描，大约420秒后开始排泄期扫描。光谱数据库图像（SBI）被传输到工作站（飞利浦，IntelliSpace®Portalworkstation）进行处理，以生成正常混合能级图像（normal mixed energy level images，图1A）、碘图（iodine graphs，图1B）、原子序数图（atomic number graphs，图1C）和虚拟单能图像（virtual single-energy images）。每组图像的层厚为1mm，层间距为1mm。
、定量测量
对四期图像中的感兴趣区域（ROI），进行定量测量，ROI通常放置在ccRCC病灶和主动脉上。在本研究中，采用了三种ROI描绘方法来定量测量ccRCC病变的信息。在第一和第二种方法中，测量平面是ccRCC病变中实性成分面积最大的轴向截面。第三种方法测量ccRCC病变面积最大的轴向截面。
在第一种方法中，在该层的固体成分中绘制2-4个圆形ROI，避免坏死和钙化成分，其大小范围为50mm2至100mm2。最终测量结果是这些ROI的平均值（图2A）。
在第二种方法中，ROI沿着该水平肿瘤中固体成分的内边缘绘制，避免坏死和钙化成分。在第三种方法中，沿着最大肿瘤界面的内边缘绘制ROI图，包括实性成分和坏死病灶（图2B）。
所有三种方法均由具有3年放射学经验的同一名医生进行，进行三种方法绘制之间的时间间隔30天。主动脉ROI的描绘是一致的。将面积约为80-100mm2的圆形ROI放置在肾门水平的主动脉上，避免钙化成分，三次测量后获得平均值（图2C）。
同时，在肾造影期测量肿瘤的最大长度和横径。
、计算量化指标
基于上述测量，计算并比较了以下指标，以评估DL-CTU是否可用于区分ccRCC中的高和低WHO/ISUP等级。
肿瘤的形态特征：
最大长度和横径。
基于正常混合能级图像的肿瘤定量分析包括：
平扫CT图像中的CT值（CT-U）、
皮质髓质期肿瘤CT值（CT-C）、
肾实质期肿瘤CT值（CT-N）、
皮质髓质期与肾实质期肿瘤CT值差（DCT）。
基于碘图（iodine maps）的肿瘤定量分析包括：
皮质髓质期肿瘤的碘浓度（IC-C）、
肾实质期肿瘤的碘浓度（IC-N）、
皮质髓质期和肾实质期肿瘤的IC差异（DIC）、
皮质髓质期的标准化碘浓度（NIC-C=皮质髓质期肿瘤的IC/皮质髓质期主动脉的IC）、
肾实质期的标准化碘浓度（NIC-N=肾实质期肿瘤的碘浓度/肾实质期主动脉的碘浓度）。
从原子序数图获得的定量测量值为皮质髓质期的原子序数（Z-C）和肾图期的原子序数（Z-N）。
能量谱曲线的斜率（K）是从单水平图像中获得的，K= [hounsfield unit (Hu)40keV-Hu100 keV]/ (100 keV-40 keV)。
、统计分析
数据以平均值±标准误差表示。在Shapiro-Wilk正态性检验后，利用非配对t（unpaired Student's t-test）检验以进行组间比较。二元logistic回归分析用于评估常规影像学测量在区分低级别和高级别ccRCC中的作用。进行受试者操作特征（ROC）曲线分析，以区分低级别和高级别ccRCC，并根据可用于区分低级别和高级别CCRCC的特异性和敏感性确定最佳截止值。P<0.05被认为具有统计学意义。所有统计分析均使用统计产品和服务解决方案（SPSS V version 25.0，SPSS Inc，IL）进行。
实验结果
肾实质期，低级别透明细胞肾细胞癌和高级别透明细胞肾细胞癌的最大长度和最大横径分别为（40.27±17.84mm；34.21±15.14mm）和（53.86±25.95；46.50±20.68），低级别透明细胞肾细胞癌与高级别透明细胞肾细胞癌的横径差异有统计学意义，低级别透明细胞肾细胞癌的横径小于高级别透明细胞肾细胞癌（P<0.05）。
皮质髓质期和肾实质期，低级别和高级别ccRCC的K分别为（4.64±1.50；3.56±1.30）和（4.14±2.11；3.29±0.83），无统计学差异。
从三种测量方法中获得的其余定量指标的结果如表1-3所示。低级别和高级别ccRCC病变的NIC-N差异有统计学意义。在所有三项测试中，低级别组的NIC-N（0.78±0.19\\0.79±0.17\\0.73±0.42）均高于高级别组（0.58±0.22\\0.60±0.23\\0.46±0.22）（P<0.05）。此外，两组之间的其他测量值没有显著差异。
表1. 从第1种测量方法中获得的定量指标的结果
Figure 959829DEST_PATH_IMAGE001
表2. 从第2种测量方法中获得的定量指标的结果
Figure 89459DEST_PATH_IMAGE002
表3. 从第3种测量方法中获得的定量指标的结果
Figure 638252DEST_PATH_IMAGE003
效果验证
根据三种方法测量的肿瘤最大横径和肾实质期标准化碘浓度绘制ROC曲线。对肾实质期肿瘤最大横径与NIC-N进行二元logistic回归分析，并用ROC曲线对二元回归后的数值进行分析。AUC、敏感性、特异性和临界值（cutoff值）见表4。TD和NIC-N单独区分低级别透明细胞肾细胞癌和高级别透明细胞肾细胞癌的曲线如图3所示，TD和NIC-N联合的曲线如图4所示。
最大横径与第一种方法测得的NIC-N相结合，得出最大ccRCC AUC（0.785）。最大横径结合第三种方法的NIC-N敏感性最高（100%），但特异性较低（0.5）。仅使用第一种测量方法的NIC-N作为指标，特异性最高，为80%，但敏感性较低，为65%。
表4. TD和/或NIC-N分级的AUC、敏感性、特异性和临界值
Figure 178823DEST_PATH_IMAGE004
在本研究中，通过DL-CTU检查，发现高级别肿瘤的最大横径（TD）大于低级别肿瘤，NIC-N低于低级别肿瘤
本研究采用了3种类型的ROI描绘。三种方法均表明NIC-N能区分高、低等级ccRCC。三种测量方法的诊断效果不同，但AUC均大于0.70。
TD+NIC-N-3结合时，确定ccRCC分级的敏感性为100%。在临床实践中，由于保守治疗仅用于低级别肿瘤，不能用于高级别肿瘤。因此，该方法在实际应用中使用，假阴性率最低，可以保证高级别肿瘤不会被误诊为低级别肿瘤。
总之，通过DL-CT定量分析，我们发现NIC-N和肿瘤最大横径有助于无创性术前预测ccRCC的高或低WHO/ISUP分级，有助于临床个体化精确治疗。

Claims (10)

1.一种在双能CT的肾实质期图像上绘制ROI的方法，所述方法包括以下三种方法中的一种：
1）在肿瘤中的实性成分中绘制2-4个圆形ROI，避免坏死和钙化成分，所述圆形ROI面积在50mm2至100mm2之间；
2）沿着肿瘤中实性成分的内边缘绘制，避免坏死和钙化成分；
3）沿着最大肿瘤界面的内边缘绘制，不避免坏死和钙化成分。
2.一种提取用于确定肾透明细胞癌级别的指标的提取方法，所述方法包括以下步骤：
1）获得双能CT的肾实质期图像；
2）使用权利要求1所述绘制ROI的方法中的任意一种画出ROI；
3）测量ROI区域内的标准化碘浓度。
3.一种指标组合，所述指标组合中包括肿瘤最大横径和肾实质期标准化碘浓度。
4.如权利要求3所述的指标组合，其特征在于，所述肾实质期标准化碘浓度包括在权利要求1所述绘制ROI的方法中的任意一种下测量得到的肾实质期标准化碘浓度，或者，权利要求2所述提取方法提取的肾实质期的标准化碘浓度。
5.一种系统，所述系统选自以下任意一种：
1）在双能CT的肾实质期图像上绘制ROI的系统，所述系统包括以下一种或多种装置：
a. 获取双能CT的肾实质期图像的获取装置；
b. 使用权利要求1所述绘制ROI的方法中的任意一种画出ROI的绘制装置；
c. 显示ROI的显示装置；
2）确定肾透明细胞癌级别的系统，所述系统包括根据肿瘤最大横径和/或肾实质期标准化碘浓度的检测结果确定肾透明细胞癌级别的计算装置。
6.如权利要求5所述的系统，其特征在于，所述肾实质期标准化碘浓度包括在权利要求1所述绘制ROI的方法中的任意一种下测量得到的肾实质期标准化碘浓度，或者，权利要求2所述提取方法提取的肾实质期的标准化碘浓度。
7.如权利要求5或6所述的系统，其特征在于，所述确定肾透明细胞癌级别的系统依次包括以下装置：
1）获取双能CT的肾实质期图像的获取装置；
2）使用权利要求1所述绘制ROI的方法中的任意一种画出ROI的绘制装置；
3）测量ROI区域内的标准化碘浓度的测量装置；
4）根据肿瘤最大横径和/或肾实质期标准化碘浓度的检测结果确定肾细胞癌级别的计算装置；
5）用于输出分级结果的输出装置。
8.一种设备，所述设备包括：存储器和处理器；
所述存储器用于存储程序指令；
所述处理器用于调用程序指令，当程序指令被执行时，用于执行双能CT的肾实质期图像上绘制ROI的操作、或确定肾透明细胞癌级别的操作：
所述双能CT的肾实质期图像上绘制ROI的操作的步骤如下：
1）获得双能CT的肾实质期图像，
2）使用权利要求1所述绘制ROI的方法中的任意一种画出ROI，
3）显示ROI图像；
所述确定肾透明细胞癌级别的操作的步骤如下：
1）获得双能CT的肾实质期图像，
2）使用权利要求1所述绘制ROI的方法中的任意一种画出ROI，
3）测量ROI区域内的标准化碘浓度，
4）根据肿瘤最大横径和/或肾实质期标准化碘浓度的检测结果确定肾细胞癌级别，
5）输出分级结果。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1所述绘制ROI的方法中的任意一种、权利要求2所述的提取方法、或确定肾透明细胞癌级别的方法；
所述确定肾透明细胞癌级别的方法包括根据肿瘤最大横径和/或肾实质期标准化碘浓度的检测结果确定肾透明细胞癌级别的步骤。
10.权利要求3所述的指标组合中的任意一种指标、权利要求3所述的指标组合、权利要求5所述的系统、权利要求8所述的设备、或权利要求9所述的计算机可读存储介质在制备确定肾透明细胞癌级别的产品中的应用。
CN202111266829.2A 2021-10-28 2021-10-28 确定肾细胞癌级别的系统及其应用 Pending CN113706538A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111266829.2A CN113706538A (zh) 2021-10-28 2021-10-28 确定肾细胞癌级别的系统及其应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111266829.2A CN113706538A (zh) 2021-10-28 2021-10-28 确定肾细胞癌级别的系统及其应用

Publications (1)

Publication Number Publication Date
CN113706538A true CN113706538A (zh) 2021-11-26

Family

ID=78647420

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111266829.2A Pending CN113706538A (zh) 2021-10-28 2021-10-28 确定肾细胞癌级别的系统及其应用

Country Status (1)

Country Link
CN (1) CN113706538A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104545960A (zh) * 2014-12-18 2015-04-29 沈阳东软医疗系统有限公司 一种双能ct的扫描电压的选择方法及设备
WO2015170105A1 (en) * 2014-05-07 2015-11-12 The University Court Of The University Of Edinburgh Method for predicting renal cell carcinoma (rcc)
CN107982550A (zh) * 2012-01-11 2018-05-04 通用电气医疗集团股份有限公司 具有低碘浓度的x-射线成像造影介质和x-射线成像方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107982550A (zh) * 2012-01-11 2018-05-04 通用电气医疗集团股份有限公司 具有低碘浓度的x-射线成像造影介质和x-射线成像方法
WO2015170105A1 (en) * 2014-05-07 2015-11-12 The University Court Of The University Of Edinburgh Method for predicting renal cell carcinoma (rcc)
CN104545960A (zh) * 2014-12-18 2015-04-29 沈阳东软医疗系统有限公司 一种双能ct的扫描电压的选择方法及设备

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
李宏翔 等: "IVIM的直方图模型和CT图像的纹理分析对预测单发肝细胞癌微血管侵犯的初步研究", 《中国优秀博硕士学位论文全文数据库(硕士) 医药卫生科技辑(月刊)》 *
赵金坤 等: "能谱CT碘浓度鉴别肾透明细胞癌病理Fuhrman分级", 《腹部放射学》 *
郝剑文 等: "能谱CT碘定量分析对不同亚型肾细胞癌的鉴别诊断", 《国际医学放射学杂志》 *
陆艳艳 等: "双源CT对肾透明与非透明细胞癌的鉴别诊断价值", 《CT理论与应用研究》 *

Similar Documents

Publication Publication Date Title
Abou-El-Ghar et al. Bladder cancer: diagnosis with diffusion-weighted MR imaging in patients with gross hematuria
O'Brien et al. Penile cancer: contemporary lymph node management
Schieda et al. Diagnostic accuracy of unenhanced CT analysis to differentiate low-grade from high-grade chromophobe renal cell carcinoma
Jajodia et al. Application of the Kaiser score to increase diagnostic accuracy in equivocal lesions on diagnostic mammograms referred for MR mammography
Ma et al. Can whole-tumor radiomics-based CT analysis better differentiate fat-poor angiomyolipoma from clear cell renal cell caricinoma: compared with conventional CT analysis?
US9305351B2 (en) Method of determining the probabilities of suspect nodules being malignant
Woo et al. Diagnostic performance of CT for diagnosis of fat-poor angiomyolipoma in patients with renal masses: a systematic review and meta-analysis
Caresio et al. Quantitative analysis of thyroid tumors vascularity: A comparison between 3‐D contrast‐enhanced ultrasound and 3‐D Power Doppler on benign and malignant thyroid nodules
Marinovich et al. Agreement between digital breast tomosynthesis and pathologic tumour size for staging breast cancer, and comparison with standard mammography
Sun et al. Preoperative prediction for Lauren type of gastric cancer: A radiomics nomogram analysis based on CT images and clinical features
Mao et al. Preoperative prediction of histologic grade in invasive breast cancer by using contrast-enhanced spectral mammography-based radiomics
Moon et al. Comprehensive analyses with radiological and biological markers of breast cancer on contrast-enhanced chest CT: a single center experience using dual-layer spectral detector CT
Brown et al. Breast cancer in dense breasts: detection challenges and supplemental screening opportunities
Honda et al. Biomarkers predictive of distant disease-free survival derived from diffusion-weighted imaging of breast cancer
Feng et al. Comparison of Contrast‐Enhanced Spectral Mammography and Contrast‐Enhanced MRI in Screening Multifocal and Multicentric Lesions in Breast Cancer Patients
Wang et al. Application of dual-layer spectral detector computed tomography to evaluate the expression of Ki-67 in colorectal cancer
Sun et al. Performance evaluation of breast cancer diagnosis with mammography, ultrasonography and magnetic resonance imaging
Avila et al. Active surveillance of nonfatty renal masses in patients with lymphangioleiomyomatosis: use of CT features and patterns of growth to differentiate angiomyolipoma from renal cancer
Durur Subaşı Breast imaging for non-radiologists
Li et al. Utility of dual-layer spectral detector CTA to characterize carotid atherosclerotic plaque components: an imaging-histopathology comparison in patients undergoing endarterectomy
Chen et al. Diagnostic value of spiral CT energy spectrum imaging in lymph node metastasis of colorectal cancer
Moschetta et al. Role of multidetector computed tomography in evaluating incidentally detected breast lesions
CN113706538A (zh) 确定肾细胞癌级别的系统及其应用
Zhou et al. Feasibility study of using virtual non-contrast images derived from dual-energy CT to replace true non-contrast images in patients diagnosed with papillary thyroid carcinoma
Zhang et al. [Retracted] CAMPO Precision128 Max ENERGY Spectrum CT Combined with Multiple Parameters to Evaluate the Benign and Malignant Pleural Effusion

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination